1寫在前面

我們?cè)谔幚頂?shù)據(jù)的時(shí)候常常會(huì)遇到存在缺失值(NA)的情況，如何處理就仁者見仁，智者見智了。??
最簡(jiǎn)單粗暴的方法可能就是行刪除法(listwise)或者個(gè)案刪除法(case-wise)了，這種方法在缺失值比較少的情況下比較適用，但在NA較多的情況下可能就會(huì)丟失過多信息導(dǎo)致無法繼續(xù)分析。??
本期我們介紹一下mice包和ggmice包這兩只可愛的小老鼠，全名Multivariate Imputation by Chained Equations, mice，即鏈?zhǔn)椒匠潭嘀靥钛a(bǔ)。??

一張圖總結(jié)基本原理，嘿嘿。??

2用到的包

3示例數(shù)據(jù)

這里我們使用一下示例數(shù)據(jù)airquality，再在其中添加一些缺失值。

dat <- airquality
dat[4:9,3] <- rep(NA,6)
dat[1:4,4] <- NA

4數(shù)據(jù)概覽

4.1 缺失值查看

這里面我們一共有6個(gè)變量，其中4個(gè)存在缺失值。??

4.2 缺失值可視化

Note! ggmice提供了一種NA值的可視化方法，一目了然，nice! ??

plot_pattern(dat,
             square = F,
             rotate = F)

4.3 influx-outflux plot

這里和大家簡(jiǎn)單介紹一下這個(gè)influx-outflux plot，總的來說評(píng)估了缺失數(shù)據(jù)與其他變量的聯(lián)系程度。??
一般來說，在建模時(shí)，influx以及outflux越大越好。??

5可視化一下吧

5.1 連續(xù)變量

這里我們對(duì)連續(xù)變量的缺失值進(jìn)行一下可視化，可以看到紅色的為缺失值。??

ggmice(dat, aes(Ozone, Solar.R)) 
  geom_point()

5.2 分類變量

接著我們對(duì)分類變量的缺失值進(jìn)行一下可視化，紅色的為缺失值。??

5.3 分面展示

ggmice(dat, aes(Month, Solar.R))  
  geom_point()  
  facet_wrap(~ Month == 5,
             # labeller = label_both
             )

6mice包填補(bǔ)缺失值

6.1 填補(bǔ)缺失值

在這里我們生成幾個(gè)填補(bǔ)缺失值后的數(shù)據(jù)，m默認(rèn)是5，為了減小計(jì)算量，這里我設(shè)置成3。??
Note! 可選method包括：??

? pmm,
? logreg,
? polyreg,
? polr

6.2 連續(xù)變量缺失值填補(bǔ)后可視化

我們?cè)倏匆幌绿钛a(bǔ)缺失值后的散點(diǎn)圖吧，紅色的為缺失值填補(bǔ)后。??

ggmice(imp, aes(Ozone, Solar.R)) 
  geom_point()

6.3 分類變量缺失值填補(bǔ)后可視化

6.4 分面展示

ggmice(dat, aes(Month, Solar.R))  
  geom_point()  
  facet_wrap(~ Month == 5,
             # labeller = label_both
             )

7填補(bǔ)數(shù)據(jù)集的可視化

7.1 dotplot

我們之前設(shè)置了m = 3，這里我們看一下3個(gè)數(shù)據(jù)集的NA填補(bǔ)情況。??

7.2 boxplot

ggmice(imp, aes(x = .imp, y = Temp))   
  geom_jitter(height = 0, width = 0.25)  
  geom_boxplot(width = 0.5, size = 1, alpha = 0.75, outlier.shape = NA)  
  labs(x = 'Imputation number')

8算法收斂

看來default = 5是有原因的，哈哈哈哈哈哈！??

點(diǎn)個(gè)在看吧各位~ ?.???? ??? ?